apps/api/app/api/routes/lipsync.py

@@ -1,11 +1,12 @@
-"""对口型 API 路由 — #1796 MediaKit 对口型, #1809 参数调整.
+"""对口型 API 路由 — #1796 MediaKit 对口型, #1809 参数调整, #1845 配音前置.
 
 接口：
-  POST   /api/v1/lipsync/jobs          提交对口型任务
+  POST   /api/v1/lipsync/jobs          提交对口型任务（支持 TTS/直传/预合成 三种模式）
   GET    /api/v1/lipsync/jobs          任务列表
   GET    /api/v1/lipsync/jobs/{id}     任务详情
   POST   /api/v1/lipsync/jobs/{id}/refresh  刷新任务状态
   POST   /api/v1/lipsync/jobs/{id}/cancel   取消任务
+  POST   /api/v1/lipsync/tts-preview   #1845 步骤1 TTS 预合成（同步 HTTP，~2-3s）
 """
 
 from __future__ import annotations
@@ -17,7 +18,12 @@ from app.dependencies import (
     get_db_session,
     get_voice_clone_profile_repository,
 )
-from app.schemas.lipsync import CreateLipsyncJobRequest, LipsyncJobResponse
+from app.schemas.lipsync import (
+    AiAvatarTtsPreviewRequest,
+    AiAvatarTtsPreviewResponse,
+    CreateLipsyncJobRequest,
+    LipsyncJobResponse,
+)
 from app.services.lipsync_service import LipsyncService
 from app.services.mediakit_client import MediaKitError
 from fastapi import APIRouter, BackgroundTasks, Depends, HTTPException, Query
@@ -33,7 +39,6 @@ def _get_service(
     voice_clone_repo=Depends(get_voice_clone_profile_repository),
 ) -> LipsyncService:
     # voice_clone_repo 用于克隆音色 profile 解析
-    # TTS 合成已移至 Celery 异步任务，无需同步注入 cosyvoice_service
     return LipsyncService(
         db,
         voice_clone_repo=voice_clone_repo,
@@ -51,15 +56,20 @@ def create_lipsync_job(
 ):
     """提交对口型任务.
 
-    #1809/#1822: 前端传 {video_url, voice_id, script_text, speed?, emotion?}，
-    后端创建任务记录（状态 tts_processing），dispatch Celery 异步任务执行 TTS 合成 + MediaKit 提交；
-    也支持直接传 {video_url, audio_url}（同步提交 MediaKit）。
+    三种模式：
+    - TTS 直生（旧版/降级）：传 {video_url, voice_id, script_text, speed?, emotion?}，
+      后端 dispatch Celery 异步任务。
+    - 直接音频：传 {video_url, audio_url}，后端同步下载+算timings+提交MediaKit。
+    - 预合成音频（#1845 新主路径）：传 {video_url, audio_url, audio_duration, sentence_timings}，
+      后端同步ffprobe+写入timings+直接提交MediaKit（~2-3s）。
     """
     try:
         job = svc.create_job(
             user_id=current_user.user.id,
             video_url=body.video_url,
             audio_url=body.audio_url,
+            audio_duration=body.audio_duration,
+            sentence_timings=body.sentence_timings,
             voice_id=body.voice_id,
             script_text=body.script_text,
             speed=body.speed,
@@ -68,10 +78,8 @@ def create_lipsync_job(
             project_id=body.project_id,
         )
     except ValueError as exc:
-        # 参数无效（如 voice_id 格式不对、文本过长等）
         raise HTTPException(status_code=400, detail=str(exc)) from exc
     except MediaKitError as exc:
-        # 音色无权访问 → 403；参数无效 → 400；MediaKit 提交失败 → 502
         status_code = 502
         if exc.code in ("VoiceForbidden",):
             status_code = 403
@@ -86,7 +94,6 @@ def create_lipsync_job(
             },
         ) from exc
     except Exception as exc:
-        # 兜底：任何未预期的错误返回 400 而非 500
         logger.error("创建对口型任务异常: %s", exc, exc_info=True)
         raise HTTPException(
             status_code=400,
@@ -96,6 +103,52 @@ def create_lipsync_job(
     return job
 
 
+# ── POST /tts-preview — #1845 步骤1 TTS 预合成 ──────────────────────────
+
+
+@router.post("/tts-preview", response_model=AiAvatarTtsPreviewResponse)
+def preview_tts(
+    body: AiAvatarTtsPreviewRequest,
+    current_user: AuthenticatedUser = Depends(get_current_user),
+    svc: LipsyncService = Depends(_get_service),
+):
+    """步骤1「生成配音」同步 TTS 预合成.
+
+    同步执行 TTS 合成 → 下载音频 → ffprobe 时长 → 句子时间戳计算，
+    不创建 LipsyncJob、不转存 OSS，直接返回 CosyVoice 临时 URL（~24h 有效）。
+    耗时约 2-3 秒。
+    """
+    try:
+        result = svc.preview_tts(
+            user_id=current_user.user.id,
+            voice_id=body.voice_id,
+            script_text=body.script_text,
+            speed=body.speed,
+            emotion=body.emotion,
+        )
+    except MediaKitError as exc:
+        status_code = 400
+        if exc.code in ("VoiceForbidden",):
+            status_code = 403
+        elif exc.code in ("TTSNoAudio",):
+            status_code = 502
+        raise HTTPException(
+            status_code=status_code,
+            detail={
+                "code": exc.code,
+                "message": str(exc),
+            },
+        ) from exc
+    except Exception as exc:
+        logger.error("TTS 预合成异常: %s", exc, exc_info=True)
+        raise HTTPException(
+            status_code=400,
+            detail=f"TTS 合成失败: {exc}",
+        ) from exc
+
+    return result
+
+
 # ── GET /jobs — 任务列表 ─────────────────────────────────────────────────
 
 
@@ -134,11 +187,7 @@ def get_lipsync_job(
     current_user: AuthenticatedUser = Depends(get_current_user),
     svc: LipsyncService = Depends(_get_service),
 ):
-    """获取对口型任务详情.
-
-    非终态任务：先返回 DB 缓存，挂后台刷新（下次轮询拿到新状态），
-    避免 MediaKit 慢响应阻塞前端轮询。
-    """
+    """获取对口型任务详情."""
     job = svc.get_job(job_id, current_user.user.id)
     if job is None:
         raise HTTPException(status_code=404, detail="任务不存在")

apps/api/app/schemas/lipsync.py

@@ -1,9 +1,12 @@
-"""对口型 API Schema 定义 — #1796 / #1809 / #1822.
+"""对口型 API Schema 定义 — #1796 / #1809 / #1822 / #1845（配音前置）.
 
-支持两种输入模式（二选一）：
-1. TTS 直生模式（推荐）：传 voice_id + script_text（+ speed/emotion），
-   后端内部先调 CosyVoice 合成音频，再提交 MediaKit 对口型。
+支持三种输入模式：
+1. TTS 直生模式（兼容旧版前端）：传 voice_id + script_text（+ speed/emotion），
+   后端 Celery 异步做 TTS 合成 + MediaKit 提交。
 2. 直接音频模式：传 video_url + audio_url（音频已由调用方准备好）。
+3. 预合成音频模式（#1845 配音前置新主路径）：前端先调 POST /lipsync/tts-preview
+   拿到 audio_url + sentence_timings，再在 create_job 时传 audio_url + audio_duration
+   + sentence_timings，后端跳过 TTS 和时间戳计算，直接 ffprobe 校验后提交 MediaKit。
 """
 
 from __future__ import annotations
@@ -46,15 +49,19 @@ class LipsyncJobResponse(BaseModel):
 class CreateLipsyncJobRequest(BaseModel):
     """创建对口型任务请求.
 
-    两种模式（二选一）：
-    - TTS 直生：voice_id + script_text 必填（+ 可选 speed/emotion）；audio_url 留空。
+    三种模式（三选一）：
+    - TTS 直生（旧版/降级）：voice_id + script_text 必填；audio_url 留空。
     - 直接音频：video_url + audio_url 必填。
+    - 预合成音频（#1845 新主路径）：audio_url 必填 + 可选 audio_duration/sentence_timings；
+      后端同步 ffprobe 校验时长、写入 timings，直接提交 MediaKit。
     """
 
     video_url: str = Field(..., description="人物视频 URL（MP4，≤30min，单人真人）")
 
-    # 模式 2：直接音频
+    # 模式 2/3：直接/预合成音频
     audio_url: str = Field("", description="驱动音频 URL（mp3/aac/wav/m4a/flac）；直生模式留空")
+    audio_duration: Optional[float] = Field(None, ge=0, description="预合成音频时长（秒），可选；后端会 ffprobe 校验")
+    sentence_timings: Optional[list] = Field(None, description="预合成接口返回的句子时间戳，可选；若传入则直接写入 job")
 
     # 模式 1：TTS 直生
     voice_id: str = Field("", description="音色 ID（预置音色或克隆音色 profile UUID）")
@@ -81,7 +88,7 @@ class CreateLipsyncJobRequest(BaseModel):
 
         if not has_audio and not has_tts:
             raise ValueError(
-                "必须提供驱动音频：要么传 audio_url（直接音频模式），"
+                "必须提供驱动音频：要么传 audio_url（直接/预合成音频模式），"
                 "要么同时传 voice_id + script_text（TTS 直生模式）"
             )
 
@@ -99,3 +106,23 @@ class CreateLipsyncJobRequest(BaseModel):
             self.audio_url = au
 
         return self
+
+
+# ── #1845 TTS 预合成接口 ────────────────────────────────────────────────
+
+
+class AiAvatarTtsPreviewRequest(BaseModel):
+    """步骤1「生成配音」预合成请求（同步 HTTP，~2-3s）."""
+
+    voice_id: str = Field(..., min_length=1, max_length=128, description="音色 ID")
+    script_text: str = Field(..., min_length=1, max_length=5000, description="要合成的文案")
+    speed: float = Field(1.0, ge=0.5, le=2.0, description="语速（0.5-2.0），默认 1.0")
+    emotion: str = Field("natural", max_length=32, description="情绪")
+
+
+class AiAvatarTtsPreviewResponse(BaseModel):
+    """TTS 预合成响应（临时 URL，24h 内有效，足够当前会话使用）."""
+
+    audio_url: str = Field(..., description="CosyVoice 临时音频 URL")
+    duration: float = Field(..., ge=0, description="音频总时长（秒），ffprobe 测得")
+    sentence_timings: list[dict] = Field(..., description="句子级精确时间戳")

apps/api/app/services/lipsync_service.py

@@ -1,8 +1,12 @@
-"""对口型 Service — #1796 MediaKit 对口型业务逻辑, #1809 参数调整.
+"""对口型 Service — #1796 MediaKit 对口型业务逻辑, #1809 参数调整, #1845 配音前置.
 
 职责：
 - 创建/查询对口型任务
-- 双输入模式：TTS 直生（voice_id + script_text，内部先合成音频转存 OSS）或直接音频（audio_url）
+- 三输入模式：
+  1. TTS 直生（voice_id + script_text）→ 走 Celery 异步（降级路径）
+  2. 直接音频（audio_url，前端未传 timings）→ 同步下载 + 算 timings + 提交 MediaKit
+  3. 预合成音频（audio_url + sentence_timings，#1845 新主路径）→ 同步 ffprobe 校验时长 +
+     写入前端传来的 timings → 直接提交 MediaKit（~2-3s）
 - 调用 MediaKit 客户端提交异步任务
 - 轮询更新任务状态（中间状态同步 DB，成片转存自家 OSS）
 - 用户隔离（每个用户只能操作自己的任务）
@@ -26,19 +30,22 @@ from app.services.mediakit_client import (
     get_mediakit_client,
 )
 
-# Celery 异步任务：TTS 合成 + MediaKit 提交（#lipsync-speed-optimization）
+# Celery 异步任务：TTS 合成 + MediaKit 提交（降级路径）
 from app.tasks.lipsync_tts import tts_synthesize_and_submit
 from sqlalchemy.orm import Session
 
 from packages.adapters.sqlalchemy_impl.models import LipsyncJobModel
 from packages.application.cosyvoice_service import CosyVoiceError, normalize_emotion
+from packages.domain.sentence_timings import (
+    compute_sentence_timings,
+    probe_audio_duration,
+)
 from packages.shared.storage import get_shared_storage_service
 from packages.shared.url_security import ALLOWED_AUDIO_MIME_TYPES, safe_download_bytes
 
 logger = logging.getLogger(__name__)
 
 # 传给 MediaKit GPU worker / 回给前端播放的 OSS 预签名有效期：7 天。
-# MediaKit 排队 + 拉取可能延迟，私有桶裸 URL 或 1 小时短预签名都会 403，故统一重签长有效期。
 MEDIAKIT_URL_TTL_SECONDS = 7 * 24 * 3600
 
 
@@ -142,6 +149,100 @@ class LipsyncService:
             logger.warning("TTS 音频转存 OSS 失败，回退临时 URL: job_id=%s err=%s", job_id, exc)
             return temp_url
 
+    def _submit_audio_direct(
+        self,
+        *,
+        job: LipsyncJobModel,
+        supplied_timings: Optional[list] = None,
+        supplied_duration: Optional[float] = None,
+    ) -> None:
+        """音频直传模式（包含 #1845 预合成路径）：同步下载 → ffprobe → timings → 提交 MediaKit.
+
+        直接在 HTTP 请求内完成，不走 Celery。job.status 成功后置为 submitted。
+        失败时把 job 标成 failed 并 commit，然后抛 MediaKitError。
+
+        Args:
+            job: 已 commit 的 LipsyncJobModel（audio_url / video_url 已写入）
+            supplied_timings: 前端传来的预合成 timings（可选，可信时直接用）
+            supplied_duration: 前端传来的预合成时长（可选，用于优先避免重复探测）
+        """
+        # 1. 下载音频
+        audio_data: bytes | None = None
+        try:
+            audio_data = safe_download_bytes(
+                job.audio_url,
+                purpose="lipsync_direct_audio",
+                allowed_mime_types=ALLOWED_AUDIO_MIME_TYPES,
+                timeout=60.0,
+            )
+            logger.info(
+                "[lipsync] 直传音频下载完成: job_id=%s size=%d",
+                job.id,
+                len(audio_data) if audio_data else 0,
+            )
+        except Exception as exc:
+            logger.warning("[lipsync] 直传音频下载失败，跳过 timings 计算: job_id=%s err=%s", job.id, exc)
+
+        # 2. ffprobe 探测时长（优先用前端传入的预合成时长，但以 ffprobe 为准做兜底校验）
+        audio_duration = 0.0
+        if audio_data:
+            audio_duration = probe_audio_duration(audio_data)
+        if audio_duration <= 0 and supplied_duration and supplied_duration > 0:
+            audio_duration = supplied_duration
+            logger.info(
+                "[lipsync] ffprobe 失败，使用前端传入的预合成时长: job_id=%s duration=%.2f", job.id, audio_duration
+            )
+
+        # 3. 句子时间戳：优先用前端预合成传入的 timings（后端预合成接口已经算过，可信）；
+        #    否则若音频下载成功则重算；否则不设置（不阻塞主流程）
+        timings: Optional[list] = None
+        if supplied_timings:
+            timings = supplied_timings
+            logger.info("[lipsync] 使用前端预合成句子时间戳: job_id=%s sentences=%d", job.id, len(timings))
+        elif audio_data and audio_duration > 0 and job.script_text:
+            try:
+                timings = compute_sentence_timings(audio_data, job.script_text, audio_duration)
+                logger.info(
+                    "[lipsync] 后端重算句子时间戳: job_id=%s sentences=%d duration=%.2f",
+                    job.id,
+                    len(timings) if timings else 0,
+                    audio_duration,
+                )
+            except Exception as exc:
+                logger.warning("[lipsync] 句子时间戳计算失败（不阻塞）: job_id=%s err=%s", job.id, exc)
+
+        if timings:
+            job.sentence_timings = timings
+
+        # 4. 签名 URL 并提交 MediaKit
+        video_url = self._sign_media_url(job.video_url)
+        signed_audio_url = self._sign_media_url(job.audio_url)
+        job.audio_url = signed_audio_url
+
+        try:
+            result = self.client.submit_lipsync(
+                video_url=video_url,
+                audio_url=signed_audio_url,
+                enable_video_loop=job.enable_video_loop,
+                client_token=job.id,
+            )
+            job.mediakit_task_id = result["task_id"]
+            job.status = "submitted"
+            job.submitted_at = datetime.now(timezone.utc)
+            self.db.commit()
+            logger.info(
+                "[lipsync] 直传音频已提交 MediaKit: job_id=%s task_id=%s",
+                job.id,
+                result["task_id"],
+            )
+        except MediaKitError as exc:
+            job.status = "failed"
+            job.error_message = str(exc)
+            job.error_code = exc.code
+            logger.error("[lipsync] 直传音频提交 MediaKit 失败: job_id=%s err=%s", job.id, exc)
+            self.db.commit()
+            raise
+
     # ── 创建任务 ──────────────────────────────────────────────────────────
 
     def create_job(
@@ -150,6 +251,8 @@ class LipsyncService:
         user_id: str,
         video_url: str,
         audio_url: str = "",
+        audio_duration: Optional[float] = None,
+        sentence_timings: Optional[list] = None,
         voice_id: str = "",
         script_text: str = "",
         speed: float = 1.0,
@@ -159,18 +262,24 @@ class LipsyncService:
     ) -> LipsyncJobModel:
         """创建对口型任务.
 
-        两种输入模式：
+        三种输入模式：
         - TTS 直生：voice_id + script_text（audio_url 留空）
-          → 先创建 DB 记录（状态 tts_processing），再 dispatch Celery 异步任务
-            执行 TTS 合成 + MediaKit 提交。API 响应 <1s。
-        - 直接音频：提供 audio_url
-          → 同步提交 MediaKit，状态直接设为 submitted。
+          → 创建 DB 记录（状态 tts_processing），dispatch Celery 异步任务（降级路径）。
+          API 响应 <1s。
+        - 直接音频：audio_url 非空 + 无 sentence_timings
+          → 同步下载音频 + 重算 timings + 提交 MediaKit（几秒完成）。
+        - 预合成音频（#1845 新主路径）：audio_url 非空 + 传 sentence_timings
+          → 同步 ffprobe 校验时长 + 写入 timings + 提交 MediaKit（~2-3s）。
 
         Raises:
-            MediaKitError: 参数校验失败或 MediaKit 提交失败（仅直接音频模式）
+            MediaKitError: 参数校验失败或 MediaKit 提交失败
         """
         # 0. 输入校验
-        if not audio_url:
+        is_pre_synth = bool(audio_url) and bool(sentence_timings)
+        bool(audio_url) and not is_pre_synth
+        is_tts_mode = not bool(audio_url)
+
+        if is_tts_mode:
             if not (voice_id and script_text):
                 raise MediaKitError(
                     "必须提供 audio_url 或 voice_id+script_text",
@@ -178,10 +287,13 @@ class LipsyncService:
                 )
             # TTS 模式：在 HTTP 请求中同步校验音色归属，快速失败
             self._resolve_voice_id(voice_id, user_id)
+        elif is_pre_synth:
+            # 预合成模式：script_text 可空（因为 timings 已自带句子文本），但仍建议传
+            if not isinstance(sentence_timings, list) or len(sentence_timings) == 0:
+                raise MediaKitError("预合成模式 sentence_timings 不能为空", code="InvalidInput")
 
         # 1. 创建数据库记录
         job_id = str(uuid.uuid4())
-        is_tts_mode = not bool(audio_url)
         job = LipsyncJobModel(
             id=job_id,
             user_id=user_id,
@@ -192,20 +304,19 @@ class LipsyncService:
             voice_id=voice_id or "",
             script_text=script_text or "",
             speed=speed,
-            emotion=normalize_emotion(emotion),
+            emotion=normalize_emotion(emotion) if is_tts_mode else (emotion or ""),
+            # 音频直传（含预合成）直接进入 pending（后续同步改为 submitted）；TTS 模式进入 tts_processing
             status="tts_processing" if is_tts_mode else "pending",
         )
         self.db.add(job)
         self.db.flush()
 
-        # ⚠️ 必须先 commit 再发 Celery 任务，避免事务竞态：
-        # worker 是独立进程+独立DB连接，任务被消费（<4ms）时若本事务还未提交，
-        # worker 查询 job 会返回 None → 静默 return 不重试，job 永远卡在 tts_processing。
+        # ⚠️ 必须先 commit 再发 Celery 任务 / 后续同步操作，避免事务竞态
         self.db.commit()
         self.db.refresh(job)
 
         if is_tts_mode:
-            # 2a. TTS 模式：dispatch Celery 异步任务处理 TTS 合成 + MediaKit 提交
+            # 2a. TTS 模式：dispatch Celery 异步任务处理 TTS 合成 + MediaKit 提交（降级路径）
             try:
                 tts_synthesize_and_submit.apply_async(
                     args=(
@@ -218,8 +329,6 @@ class LipsyncService:
                     )
                 )
             except Exception as exc:
-                # 投递失败时立即把 job 标成 failed 并写入 error_message，
-                # 前端轮询时能直接看到失败原因，不会无限卡在 tts_processing。
                 logger.exception(
                     "Celery 任务提交失败，TTS 任务已创建但未触发执行: job_id=%s err=%s",
                     job_id,
@@ -229,35 +338,102 @@ class LipsyncService:
                 job.error_message = f"Celery 任务投递失败: {exc}"
                 job.error_code = "AsyncDispatchFailed"
                 job.updated_at = datetime.now(timezone.utc)
-                self.db.commit()  # 投递失败也要落库失败状态
-        else:
-            # 2b. 直接音频模式：同步签名并提交 MediaKit
-            video_url = self._sign_media_url(video_url)
-            if audio_url:
-                audio_url = self._sign_media_url(audio_url)
-                job.audio_url = audio_url
-
-            try:
-                result = self.client.submit_lipsync(
-                    video_url=video_url,
-                    audio_url=audio_url,
-                    enable_video_loop=enable_video_loop,
-                    client_token=job_id,
-                )
-                job.mediakit_task_id = result["task_id"]
-                job.status = "submitted"
-                job.submitted_at = datetime.now(timezone.utc)
-                self.db.commit()  # submitted 状态落库
-            except MediaKitError as exc:
-                job.status = "failed"
-                job.error_message = str(exc)
-                job.error_code = exc.code
-                logger.error("提交对口型任务失败: %s", exc)
                 self.db.commit()
-                raise
+        else:
+            # 2b/2c. 直接音频 / 预合成音频：同步路径
+            self._submit_audio_direct(
+                job=job,
+                supplied_timings=sentence_timings,
+                supplied_duration=audio_duration,
+            )
+            self.db.refresh(job)
 
         return job
 
+    # ── TTS 预合成（#1845 步骤1「生成配音」同步接口使用） ──────────────────
+
+    def preview_tts(
+        self,
+        *,
+        user_id: str,
+        voice_id: str,
+        script_text: str,
+        speed: float = 1.0,
+        emotion: str = "natural",
+    ) -> dict:
+        """同步做 TTS 合成 + 下载 + ffprobe + 句子时间戳计算.
+
+        不创建 LipsyncJob、不转存 OSS，直接返回 CosyVoice 临时 URL（~24h 有效期）。
+        耗时约 2-3 秒，由前端在步骤1点「生成配音」时同步等待。
+
+        Returns:
+            {"audio_url": str, "duration": float, "sentence_timings": list[dict]}
+
+        Raises:
+            MediaKitError: TTS 合成失败 / 下载失败 / ffprobe 失败
+        """
+        # 1. 音色解析（校验克隆音色归属）
+        actual_voice_id = self._resolve_voice_id(voice_id, user_id)
+        cosyvoice = self._get_cosyvoice()
+
+        # 2. TTS 合成（同步，~2-3s）
+        try:
+            result = cosyvoice.submit_synthesize_task(
+                text=script_text,
+                voice_id=actual_voice_id,
+                speed=speed,
+                emotion=normalize_emotion(emotion),
+            )
+        except CosyVoiceError as exc:
+            raise MediaKitError(f"TTS 合成失败: {exc}", code="TTSSynthesisFailed") from exc
+        except ValueError as exc:
+            raise MediaKitError(f"TTS 参数错误: {exc}", code="TTSInvalidParam") from exc
+
+        temp_url = result.get("audio_url", "")
+        if not temp_url:
+            raise MediaKitError("TTS 未返回音频 URL", code="TTSNoAudio")
+
+        # 3. 下载音频到内存（用于 ffprobe + 静音检测）
+        try:
+            audio_data = safe_download_bytes(
+                temp_url,
+                purpose="tts_preview_audio",
+                allowed_mime_types=ALLOWED_AUDIO_MIME_TYPES,
+                timeout=60.0,
+            )
+        except Exception as exc:
+            logger.warning("[tts-preview] TTS 音频下载失败，仍返回 audio_url: user_id=%s err=%s", user_id, exc)
+            return {
+                "audio_url": temp_url,
+                "duration": 0.0,
+                "sentence_timings": [],
+            }
+
+        # 4. ffprobe 时长
+        duration = probe_audio_duration(audio_data)
+        if duration <= 0:
+            logger.warning("[tts-preview] ffprobe 未返回有效时长，timings 留空: user_id=%s", user_id)
+            return {
+                "audio_url": temp_url,
+                "duration": 0.0,
+                "sentence_timings": [],
+            }
+
+        # 5. 句子时间戳
+        timings = compute_sentence_timings(audio_data, script_text, duration)
+
+        logger.info(
+            "[tts-preview] TTS 预合成完成: user_id=%s duration=%.2f sentences=%d",
+            user_id,
+            duration,
+            len(timings),
+        )
+        return {
+            "audio_url": temp_url,
+            "duration": round(duration, 2),
+            "sentence_timings": timings,
+        }
+
     # ── 查询任务 ──────────────────────────────────────────────────────────
 
     def get_job(self, job_id: str, user_id: str) -> Optional[LipsyncJobModel]:
@@ -291,11 +467,7 @@ class LipsyncService:
     # ── 更新任务状态（轮询） ──────────────────────────────────────────────
 
     def refresh_job_status(self, job_id: str, user_id: str) -> Optional[LipsyncJobModel]:
-        """从 MediaKit 拉取最新状态并更新本地记录.
-
-        Returns:
-            更新后的 Job，或 None（任务不存在/不属于该用户）
-        """
+        """从 MediaKit 拉取最新状态并更新本地记录."""
         job = self.get_job(job_id, user_id)
         if job is None:
             return None
@@ -321,13 +493,12 @@ class LipsyncService:
             result = status_data.get("result", {})
             job.status = STATUS_COMPLETED
             temp_url = result.get("video_url", "")
-            # 先以临时 URL 立即返回前端（前端可立即播放），再异步 Celery 任务转存自家 OSS（步骤⑦）
             job.output_video_url = temp_url
             job.output_duration = result.get("duration", 0.0)
             job.completed_at = datetime.now(timezone.utc)
             job.updated_at = datetime.now(timezone.utc)
             self.db.commit()
-            # 异步转存到自家 OSS（注意：必须在 commit 之后 dispatch，避免 commit 失败任务已发出）
+            # 异步转存自家 OSS
             try:
                 from app.tasks.lipsync_tts import persist_output_video_task
 
@@ -347,7 +518,6 @@ class LipsyncService:
             job.error_code = error.get("code", "TaskFailed")
             job.completed_at = datetime.now(timezone.utc)
         else:
-            # 中间状态（running/processing/queued 等）同步到 DB，避免前端永远卡在 submitted
             if isinstance(mk_status, str) and mk_status:
                 job.status = mk_status
         job.updated_at = datetime.now(timezone.utc)
@@ -356,10 +526,7 @@ class LipsyncService:
         return job
 
     def _persist_output_video(self, temp_url: str, job_id: str, user_id: str) -> str:
-        """将 MediaKit 输出的临时视频 URL 转存到自家 OSS.
-
-        失败时回退返回原始临时 URL，不影响任务完成。
-        """
+        """将 MediaKit 输出的临时视频 URL 转存到自家 OSS. 失败时回退返回原始临时 URL."""
         if not temp_url:
             return ""
         try:
@@ -379,27 +546,21 @@ class LipsyncService:
             return temp_url
 
     def _sign_media_url(self, url: str) -> str:
-        """对自家 OSS 私有桶 URL 重签长有效期预签名，供 MediaKit 拉取 / 前端播放。
-
-        - 裸 public_url（upload_file 返回，不带签名）→ 私有桶匿名访问 403，重签。
-        - 已带签名但即将过期的 URL（如前端 1h 预签名）→ 抽 storage_key 后重签。
-        - 外部 URL（CosyVoice/MediaKit 临时链接，非本桶 host）→ 原样透传。
-        - 任何异常都降级原样返回，不阻断主流程。
-        """
+        """对自家 OSS 私有桶 URL 重签长有效期预签名."""
         if not url:
             return url
         try:
             storage = get_shared_storage_service()
             public_base = getattr(storage, "public_url", "")
             if not isinstance(public_base, str) or not public_base:
-                return url  # 无法判定归属，保守透传
+                return url
             own_host = urlparse(public_base).netloc.lower()
             host = urlparse(url).netloc.lower()
             if not own_host or host != own_host:
-                return url  # 非自家 OSS（外部临时链接），不处理
+                return url  # 外部临时链接原样透传
             signed = storage.get_download_url(url, expires_seconds=MEDIAKIT_URL_TTL_SECONDS)
             return signed or url
-        except Exception as exc:  # noqa: BLE001 - 签名失败不阻断，降级原 URL
+        except Exception as exc:
             logger.warning("对口型 URL 重签失败，原样返回: url_prefix=%s err=%s", url[:80], exc)
             return url
 

apps/api/app/tasks/lipsync_tts.py

@@ -12,6 +12,10 @@
 
 注意：使用 @shared_task 而非绑定到某个 celery_app 实例，
 确保任务能被 Worker 侧 celery_app 正确注册，同时 API 侧 send_task/apply_async 仍可正常调用。
+
+#1845：句子时间戳计算已提取至 packages/domain/sentence_timings.py，本模块保留
+_ 开头别名兼容历史导入，但 _compute_sentence_timings/_split_script_into_sentences/
+_estimate_sentence_timings_by_chars 等内部函数已复用共享实现，避免重复代码。
 """
 
 import io
@@ -21,6 +25,12 @@ from urllib.parse import urlparse
 
 from celery import shared_task
 
+# 复用共享的句子时间戳工具（#1845 配音前置）
+from packages.domain.sentence_timings import compute_sentence_timings as _compute_sentence_timings
+from packages.domain.sentence_timings import (
+    probe_audio_duration,
+)
+
 logger = logging.getLogger(__name__)
 
 # MediaKit 预签名 URL 有效期（7天，秒），与 LipsyncService._sign_media_url 保持一致
@@ -54,164 +64,6 @@ def _sign_media_url(url: str) -> str:
         return url
 
 
-def _split_script_into_sentences(script_text: str) -> list[str]:
-    """按句号/问号/感叹号/分号/逗号/换行分句（与前端 SENTENCE_SPLIT_RE 一致）.
-
-    中文短视频文案习惯用「，」断小句（如"卖花的叫花无缺，卖姜的叫姜子牙"），
-    必须把逗号也纳入分隔符，否则多句文案会被识别成一整句，导致 B-roll 时间戳错位。
-    """
-    import re
-
-    text = (script_text or "").strip()
-    if not text:
-        return []
-    parts = re.split(r"[。！？!?？！;；,，\n\r]+", text)
-    return [p.strip() for p in parts if p.strip()]
-
-
-def _compute_sentence_timings(audio_data: bytes, script_text: str, total_duration: float) -> list[dict]:
-    """基于 TTS 音频的静音检测，精确计算每句文案的起止时间.
-
-    使用 ffmpeg silencedetect 检测静音段，将静音点与句子边界对齐。
-    比字数比例估算准确得多。
-
-    Args:
-        audio_data: TTS 音频二进制数据（MP3）
-        script_text: 文案全文
-        total_duration: 音频总时长（秒）
-
-    Returns:
-        list[{"index": int, "text": str, "start_time": float, "end_time": float}]
-    """
-    import re
-    import subprocess
-    import tempfile
-
-    sentences = _split_script_into_sentences(script_text)
-    if not sentences:
-        return []
-
-    # 写入临时音频文件
-    with tempfile.NamedTemporaryFile(suffix=".mp3", delete=False) as tmp:
-        tmp.write(audio_data)
-        tmp_path = tmp.name
-
-    try:
-        # 用 ffmpeg silencedetect 检测静音段
-        result = subprocess.run(
-            [
-                "ffmpeg",
-                "-i",
-                tmp_path,
-                "-af",
-                "silencedetect=noise=-25dB:d=0.3",
-                "-f",
-                "null",
-                "-",
-            ],
-            capture_output=True,
-            text=True,
-            timeout=30,
-        )
-        stderr = result.stderr or ""
-
-        # 解析静音结束时间点（silence_end: X.XXX）
-        silence_ends = []
-        for match in re.finditer(r"silence_end:\s*([\d.]+)", stderr):
-            t = float(match.group(1))
-            if 0 < t < total_duration:
-                silence_ends.append(t)
-
-        # 如果没有检测到足够的静音点，降级为字数比例估算
-        if len(silence_ends) < len(sentences) - 1:
-            logger.warning(
-                "[sentence_timings] 静音点不足(%d < %d)，降级为字数比例估算",
-                len(silence_ends),
-                len(sentences) - 1,
-            )
-            return _estimate_sentence_timings_by_chars(sentences, total_duration)
-
-        # 贪心匹配：N-1 个句子边界对应 N-1 个静音点
-        # 按时间均匀分布期望值，选择最近的静音点
-        n_boundaries = len(sentences) - 1
-        boundaries = []
-        used_indices = set()
-
-        for i in range(n_boundaries):
-            # 期望的边界位置（按句子数量均匀分布）
-            expected_pos = (i + 1) / len(sentences) * total_duration
-            # 找最近的未使用静音点
-            best_idx = None
-            best_dist = float("inf")
-            for j, t in enumerate(silence_ends):
-                if j in used_indices:
-                    continue
-                dist = abs(t - expected_pos)
-                if dist < best_dist:
-                    best_dist = dist
-                    best_idx = j
-            if best_idx is not None:
-                used_indices.add(best_idx)
-                boundaries.append(silence_ends[best_idx])
-
-        boundaries.sort()
-
-        # 构建 sentence_timings
-        timings = []
-        prev_end = 0.0
-        for i, sent in enumerate(sentences):
-            start = prev_end
-            end = boundaries[i] if i < len(boundaries) else total_duration
-            timings.append(
-                {
-                    "index": i,
-                    "text": sent,
-                    "start_time": round(start, 2),
-                    "end_time": round(end, 2),
-                }
-            )
-            prev_end = end
-
-        return timings
-
-    except Exception as exc:
-        logger.warning("[sentence_timings] 静音检测异常，降级为字数比例估算: %s", exc)
-        return _estimate_sentence_timings_by_chars(sentences, total_duration)
-    finally:
-        import os
-
-        try:
-            os.unlink(tmp_path)
-        except Exception:
-            pass
-
-
-def _estimate_sentence_timings_by_chars(sentences: list[str], total_duration: float) -> list[dict]:
-    """降级方案：按字数比例估算句子时间（与原前端逻辑一致）."""
-    if not sentences or total_duration <= 0:
-        return []
-    total_chars = sum(len(s.replace(r"\s", "")) for s in sentences)
-    if total_chars == 0:
-        return []
-
-    timings = []
-    acc = 0
-    for i, sent in enumerate(sentences):
-        chars = len(sent.replace(r"\s", ""))
-        start = (acc / total_chars) * total_duration
-        end = ((acc + chars) / total_chars) * total_duration
-        timings.append(
-            {
-                "index": i,
-                "text": sent,
-                "start_time": round(start, 2),
-                "end_time": round(end, 2),
-            }
-        )
-        acc += chars
-    return timings
-
-
 @shared_task(
     bind=True,
     name="lipsync_tts.synthesize_and_submit",
@@ -234,7 +86,8 @@ def tts_synthesize_and_submit(
 ):
     """异步执行 TTS 合成 + OSS 转存 + MediaKit 提交.
 
-    在 Celery worker 中运行，不阻塞 HTTP 请求。
+    在 Celery worker 中运行，不阻塞 HTTP 请求。保留作为降级路径
+    （预合成失败 / 旧版前端未传 audio_url 时走此路径）。
     """
     from app.services.mediakit_client import MediaKitError, get_mediakit_client
     from sqlalchemy.orm import Session as DBSession
@@ -267,9 +120,6 @@ def tts_synthesize_and_submit(
 
         if job is None:
             # 事务竞态防御：API 在 commit 前投递了任务，worker 消费时事务尚未提交。
-            # Celery 内置 autoretry_for 不支持"业务条件重试"，这里手动 retry 3 次，
-            # 间隔递增（1s/3s/7s），让 API 事务有时间提交。
-            # max_retries 由 self.request(retries) 维护；默认 self.max_retries=3 由装饰器 soft_time_limit 下方指定。
             retries = getattr(self.request, "retries", 0)
             max_retries = 3
             if retries < max_retries:
@@ -340,7 +190,6 @@ def tts_synthesize_and_submit(
 
         # 2. 下载 TTS 音频到内存（用于 2.5 静音检测；不转存自家 OSS，直接使用 CosyVoice 临时 URL）
         audio_data: bytes | None = None
-        _st_tmp_path: str | None = None
         try:
             audio_data = safe_download_bytes(
                 temp_url,
@@ -349,7 +198,7 @@ def tts_synthesize_and_submit(
                     "audio/mpeg",
                     "audio/mp3",
                     "audio/wav",
-                    "audio/x-wav",  # CosyVoice 部分接口返回 audio/x-wav，与 audio/wav 等价（RIFF/WAVE）
+                    "audio/x-wav",  # CosyVoice 部分接口返回 audio/x-wav
                     "audio/mp4",
                     "audio/x-m4a",
                 },
@@ -361,7 +210,6 @@ def tts_synthesize_and_submit(
                 len(audio_data) if audio_data else 0,
             )
         except Exception as exc:
-            # 下载失败：audio_data 保持 None，2.5 静音检测会跳过；后续仍用 temp_url 提交 MediaKit
             logger.warning(
                 "[lipsync_tts] TTS 音频下载失败，跳过静音检测，直接使用临时 URL 提交: job_id=%s err=%s",
                 job_id,
@@ -373,45 +221,16 @@ def tts_synthesize_and_submit(
 
         db.commit()
 
-        # 2.5 计算精确句子时间戳（基于 TTS 音频静音检测）
-        # 直接复用步骤 2 已下载到内存的 audio_data，避免重新下载
-        import os as _os
-
+        # 2.5 计算精确句子时间戳（基于 TTS 音频静音检测）—— 复用共享工具
         try:
-            import subprocess as _sp
-            import tempfile as _tmpf
-
             if not audio_data:
                 logger.warning("[lipsync_tts] 无音频数据，跳过句子时间戳计算: job_id=%s", job_id)
             else:
-                # 写入临时文件供 ffprobe/ffmpeg 使用
-                with _tmpf.NamedTemporaryFile(suffix=".mp3", delete=False) as _atmp:
-                    _atmp.write(audio_data)
-                    _st_tmp_path = _atmp.name
-
-                # ffprobe 获取音频时长
-                _probe_result = _sp.run(
-                    [
-                        "ffprobe",
-                        "-v",
-                        "error",
-                        "-show_entries",
-                        "format=duration",
-                        "-of",
-                        "default=noprint_wrappers=1:nokey=1",
-                        _st_tmp_path,
-                    ],
-                    capture_output=True,
-                    text=True,
-                    timeout=10,
-                )
-                _audio_duration = float(_probe_result.stdout.strip()) if _probe_result.stdout.strip() else 0.0
+                _audio_duration = probe_audio_duration(audio_data)
                 logger.info(
-                    "[lipsync_tts] 音频时长探测: job_id=%s duration=%.2f probe_stdout=%s probe_stderr=%s",
+                    "[lipsync_tts] 音频时长探测: job_id=%s duration=%.2f",
                     job_id,
                     _audio_duration,
-                    _probe_result.stdout.strip()[:50],
-                    _probe_result.stderr.strip()[:100] if _probe_result.stderr else "",
                 )
 
                 if _audio_duration > 0:
@@ -428,22 +247,14 @@ def tts_synthesize_and_submit(
                         logger.warning("[lipsync_tts] 句子时间戳计算返回空结果: job_id=%s", job_id)
                 else:
                     logger.warning(
-                        "[lipsync_tts] ffprobe 未获取到有效时长，跳过句子时间戳: job_id=%s stdout=%s stderr=%s",
+                        "[lipsync_tts] ffprobe 未获取到有效时长，跳过句子时间戳: job_id=%s",
                         job_id,
-                        _probe_result.stdout.strip()[:100],
-                        _probe_result.stderr.strip()[:200] if _probe_result.stderr else "",
                     )
                 db.commit()
         except Exception as _st_err:
             logger.warning(
                 "[lipsync_tts] 句子时间戳计算失败（不影响主流程）: job_id=%s err=%s", job_id, _st_err, exc_info=True
             )
-        finally:
-            if _st_tmp_path:
-                try:
-                    _os.unlink(_st_tmp_path)
-                except Exception:
-                    pass
 
         # 3. 签名 URL 并提交到 MediaKit（复用模块内 _sign_media_url，避免对 LipsyncService 的耦合）
         audio_url = _sign_media_url(job.audio_url)
@@ -495,12 +306,7 @@ def tts_synthesize_and_submit(
     default_retry_delay=30,
 )
 def persist_output_video_task(job_id: str, user_id: str, temp_url: str):
-    """异步转存对口型输出视频到自家 OSS（步骤⑦ — 将同步阻塞挪到后台，加速前端响应）.
-
-    - MediaKit 返回 completed 后先以 temp_url 回前端（前端可立即播放临时 URL）
-    - Celery 后台下载 temp_url 并转存 OSS，成功后更新 job.output_video_url 为永久 URL
-    - 失败则保留 temp_url，不阻断主流程
-    """
+    """异步转存对口型输出视频到自家 OSS（步骤⑦ — 将同步阻塞挪到后台，加速前端响应）."""
 
     try:
         from worker_app.db import SessionLocal  # type: ignore
@@ -532,7 +338,6 @@ def persist_output_video_task(job_id: str, user_id: str, temp_url: str):
             storage = get_shared_storage_service()
             storage_key = f"lipsync-outputs/{user_id}/{job_id}.mp4"
             permanent_url = storage.upload_file(io.BytesIO(data), storage_key, content_type="video/mp4")
-            # 对自家 OSS URL 重签 7 天有效期预签名，供前端播放
             final_url = _sign_media_url(permanent_url) if permanent_url else temp_url
             job.output_video_url = final_url
             job.updated_at = datetime.now(timezone.utc)

apps/web/src/pages/ai-avatar/AiAvatarPage.tsx

@@ -1,7 +1,7 @@
 /**
- * AI数字人 — 主页面（v3 两步骤版）
- * 步骤1：出镜视频 / 配音库 / 文案
- * 步骤2：对口型预览（含插入画面）/ 标题配置 / 封面&生成
+ * AI数字人 — 主页面（v3 两步骤版 + #1845 配音前置）
+ * 步骤1：出镜视频 / 配音库 / 文案 → 点击「🎵 生成配音」做 TTS 预合成（同步，~2-3s）
+ * 步骤2：对口型预览（音频已就绪、B-roll 句子时间戳立即可用）/ 标题配置 / 封面&生成
  */
 import React, { useState, useCallback, useEffect, useRef } from "react"
 import { message } from "antd"
@@ -21,12 +21,13 @@ import {
   getAssetById,
   createLipsyncJob,
   getLipsyncJob,
+  previewTts,
   submitRender,
   getRenderJob,
   generateRenderSmartCover,
 } from "./api/aiAvatar"
 import { getOrCreateDefaultProject } from "@/api/projects"
-import type { RenderJob } from "./types"
+import type { RenderJob, SentenceTiming } from "./types"
 import {
   normalizeEmotion,
   buildTitleConfigPayload,
@@ -50,6 +51,12 @@ const AiAvatarPage: React.FC = () => {
     cover: false,
   })
 
+  /* ── #1845 TTS 预合成弹窗 ── */
+  const [showTtsModal, setShowTtsModal] = useState(false)
+  const [ttsProgress, setTtsProgress] = useState(0)
+  const [ttsErrorMessage, setTtsErrorMessage] = useState("")
+  const ttsProgressTimerRef = useRef<ReturnType<typeof setInterval> | null>(null)
+
   /* ── 对口型生成弹窗 ── */
   const [showLipsyncModal, setShowLipsyncModal] = useState(false)
   const [lipsyncStatus, setLipsyncStatus] = useState<"generating" | "completed" | "failed">(
@@ -63,7 +70,7 @@ const AiAvatarPage: React.FC = () => {
   )
   const [renderProgress, setRenderProgress] = useState(0)
   const [renderErrorMessage, setRenderErrorMessage] = useState("")
-  /* ── 当前渲染任务对象（轮询更新；用于封面区判断渲染是否完成） ── */
+  /* ── 当前渲染任务对象 ── */
   const [currentRenderJob, setCurrentRenderJob] = useState<RenderJob | null>(null)
 
   /* ── 对口型轮询 ── */
@@ -75,8 +82,29 @@ const AiAvatarPage: React.FC = () => {
     setCollapsed((prev) => ({ ...prev, [key]: !prev[key] }))
   }, [])
 
-  /* ── 步骤切换 ── */
-  const handleNextStep = useCallback(() => {
+  /* ── #1845 文案/音色/语速变更时重置 TTS 预合成状态，避免音频与文案不一致 ── */
+  useEffect(() => {
+    if (state.ttsPreview.status !== "idle") {
+      state.resetTtsPreview()
+    }
+    // eslint-disable-next-line react-hooks/exhaustive-deps
+  }, [state.scriptText, state.selectedVoice?.voice_id, state.speed, state.emotion])
+
+  const _clearTtsProgressTimer = useCallback(() => {
+    if (ttsProgressTimerRef.current) {
+      clearInterval(ttsProgressTimerRef.current)
+      ttsProgressTimerRef.current = null
+    }
+  }, [])
+
+  useEffect(() => {
+    return () => {
+      _clearTtsProgressTimer()
+    }
+  }, [_clearTtsProgressTimer])
+
+  /* ── #1845 步骤1：点击「🎵 生成配音」→ 同步 TTS 预合成 ── */
+  const handleGenerateTts = useCallback(async () => {
     const missing: string[] = []
     if (!state.selectedVideo) missing.push("出镜视频")
     if (!state.selectedVoice) missing.push("配音")
@@ -85,45 +113,120 @@ const AiAvatarPage: React.FC = () => {
       message.warning(`请先完成${missing.join("、")}`)
       return
     }
-    setCurrentStep(2)
-  }, [state.selectedVideo, state.selectedVoice, state.scriptText])
 
+    // 打开弹窗 & 启动模拟进度条
+    setShowTtsModal(true)
+    setTtsProgress(0)
+    setTtsErrorMessage("")
+    state.setTtsPreview({
+      audioUrl: null,
+      duration: 0,
+      sentenceTimings: [],
+      status: "generating",
+      error: null,
+    })
+
+    // 模拟进度：每 300ms +10%，到 90% 停住，真完成后瞬间到 100%
+    _clearTtsProgressTimer()
+    let fake = 0
+    ttsProgressTimerRef.current = setInterval(() => {
+      fake = Math.min(fake + 10, 90)
+      setTtsProgress(fake)
+      if (fake >= 90) {
+        _clearTtsProgressTimer()
+      }
+    }, 300)
+
+    try {
+      const res = await previewTts({
+        voice_id: state.selectedVoice!.voice_id,
+        script_text: state.scriptText,
+        speed: state.speed,
+        emotion: normalizeEmotion(state.emotion),
+      })
+      _clearTtsProgressTimer()
+      setTtsProgress(100)
+      state.setTtsPreview({
+        audioUrl: res.audio_url,
+        duration: res.duration,
+        sentenceTimings: res.sentence_timings as SentenceTiming[],
+        status: "done",
+        error: null,
+      })
+      message.success("配音合成完成")
+    } catch (err) {
+      _clearTtsProgressTimer()
+      const errMsg =
+        (err as { response?: { data?: { message?: string; detail?: unknown } } })?.response?.data
+          ?.message || (err instanceof Error ? err.message : "配音合成失败，请重试")
+      setTtsErrorMessage(typeof errMsg === "string" ? errMsg : "配音合成失败，请重试")
+      state.setTtsPreview({
+        audioUrl: null,
+        duration: 0,
+        sentenceTimings: [],
+        status: "failed",
+        error: typeof errMsg === "string" ? errMsg : "配音合成失败",
+      })
+    }
+    // eslint-disable-next-line react-hooks/exhaustive-deps
+  }, [state.selectedVideo, state.selectedVoice, state.scriptText, state.speed, state.emotion])
+
+  const handleRetryTts = useCallback(() => {
+    handleGenerateTts()
+  }, [handleGenerateTts])
+
+  const handleTtsNext = useCallback(() => {
+    setShowTtsModal(false)
+    setTtsProgress(0)
+    setCurrentStep(2)
+  }, [])
+
+  const handleCancelTts = useCallback(() => {
+    _clearTtsProgressTimer()
+    setShowTtsModal(false)
+    setTtsProgress(0)
+    setTtsErrorMessage("")
+    // 若用户在生成中途关闭，把状态重置回 idle，允许重新点击
+    if (state.ttsPreview.status === "generating") {
+      state.resetTtsPreview()
+    }
+  }, [_clearTtsProgressTimer, state])
+
+  /* ── 上一步（返回步骤1，不会丢失 TTS 预合成结果） ── */
   const handlePrevStep = useCallback(() => {
     setCurrentStep(1)
   }, [])
 
   /* ── 对口型 ── */
   const handleGenerateLipsync = useCallback(async () => {
-    // ② 缺项明确提示（#1809）：不再静默 return
     const video = state.selectedVideo
-    const voice = state.selectedVoice
     const text = state.scriptText.trim()
     const missing: string[] = []
     if (!video) missing.push("出镜视频")
-    if (!voice) missing.push("音色")
     if (!text) missing.push("文案")
-    if (missing.length > 0 || !video || !voice) {
+    if (missing.length > 0 || !video) {
       message.warning(`请先选择${missing.join("、")}`)
       return
     }
+
+    // #1845：预合成模式下必须要有 audioUrl（理论上到了步骤2肯定有，兜底防御）
+    const isPreSynth = state.ttsPreview.status === "done" && !!state.ttsPreview.audioUrl
+    if (!isPreSynth && !state.selectedVoice) {
+      message.warning("请先选择音色或完成配音合成")
+      return
+    }
+
     try {
-      // 显示生成弹窗
       setShowLipsyncModal(true)
       setLipsyncStatus("generating")
       setLipsyncErrorMessage("")
 
-      // ① 先按素材 id 拿 file_url（#1809 补充：对齐后端新参数 video_url）
       console.log("[对口型] 开始生成:", {
         videoId: video.id,
-        voiceId: voice.voice_id,
-        voiceType: voice.type,
+        mode: isPreSynth ? "pre-synth" : "tts-direct",
         textLen: state.scriptText.length,
       })
       const asset = await getAssetById(video.id)
-      console.log("[对口型] getAssetById 响应:", {
-        id: asset?.id,
-        file_url: asset?.file_url?.substring(0, 100),
-      })
       const videoUrl = asset?.file_url
       if (!videoUrl) {
         console.error("[对口型] file_url 为空，asset:", asset)
@@ -131,19 +234,35 @@ const AiAvatarPage: React.FC = () => {
         message.error("获取出镜视频播放地址失败，请重新选择素材")
         return
       }
-      // ② 模式A TTS直生：video_url + voice_id + script_text，语速/情绪英文枚举透传（#1822）
-      const payload = {
-        voice_id: voice.voice_id,
-        script_text: state.scriptText,
-        video_url: videoUrl,
-        speed: state.speed, // 语速 0.5~2.0
-        emotion: normalizeEmotion(state.emotion), // natural/excited/calm/friendly
+
+      type LipsyncPayload = Parameters<typeof createLipsyncJob>[0]
+      let payload: LipsyncPayload
+      if (isPreSynth) {
+        // 预合成模式：传 audio_url + audio_duration + sentence_timings（后端直接提交 MediaKit，~2-3s）
+        payload = {
+          video_url: videoUrl,
+          audio_url: state.ttsPreview.audioUrl!,
+          audio_duration: state.ttsPreview.duration,
+          sentence_timings: state.ttsPreview.sentenceTimings,
+          enable_video_loop: false,
+        }
+      } else {
+        // 降级：TTS 直生（旧路径，前端未预合成时）
+        payload = {
+          voice_id: state.selectedVoice!.voice_id,
+          script_text: state.scriptText,
+          video_url: videoUrl,
+          speed: state.speed,
+          emotion: normalizeEmotion(state.emotion),
+        }
       }
       console.log("[对口型] createLipsyncJob 请求:", payload)
       const job = await createLipsyncJob(payload)
       console.log("[对口型] createLipsyncJob 响应:", { id: job.id, status: job.status })
       state.setLipsyncJob(job)
-      // 开始轮询
+
+      // 如果是预合成模式，后端会同步把状态置为 submitted（甚至可能已返回 running），
+      // 但仍需轮询等 completed
       if (lipsyncTimerRef.current) clearInterval(lipsyncTimerRef.current)
       lipsyncTimerRef.current = setInterval(async () => {
         try {
@@ -180,7 +299,14 @@ const AiAvatarPage: React.FC = () => {
       message.error(err instanceof Error ? err.message : "对口型任务提交失败，请重试")
     }
     // eslint-disable-next-line react-hooks/exhaustive-deps
-  }, [state.selectedVideo, state.selectedVoice, state.scriptText, state.speed, state.emotion])
+  }, [
+    state.selectedVideo,
+    state.selectedVoice,
+    state.scriptText,
+    state.speed,
+    state.emotion,
+    state.ttsPreview,
+  ])
 
   // 取消对口型生成
   const handleCancelLipsync = useCallback(() => {
@@ -201,6 +327,14 @@ const AiAvatarPage: React.FC = () => {
     }
   }, [])
 
+  /* ── B-roll 弹窗可用的句子时间戳：优先 lipsyncJob.sentence_timings，否则用 ttsPreview.sentenceTimings ── */
+  const bRollSentenceTimings: SentenceTiming[] | undefined =
+    (state.lipsyncJob?.sentence_timings as SentenceTiming[] | undefined) ??
+    (state.ttsPreview.status === "done" ? state.ttsPreview.sentenceTimings : undefined)
+
+  /* ── B-roll 可用的总时长：优先 lipsyncJob.output_duration，否则用 ttsPreview.duration ── */
+  const bRollDuration = state.lipsyncJob?.output_duration || state.ttsPreview.duration || 0
+
   /* ── 生成视频（含实时进度轮询） ── */
   const handleGenerate = useCallback(async () => {
     if (!state.lipsyncJob || state.lipsyncJob.status !== "completed") {
@@ -209,10 +343,9 @@ const AiAvatarPage: React.FC = () => {
     }
     state.setIsGenerating(true)
     try {
-      // 确保有 project_id（AI数字人入口独立，不在项目内，自动取默认项目；#1860 P0 bugfix）
       const defaultProject = await getOrCreateDefaultProject()
 
-      // 用 Canvas 预渲染标题为 PNG dataURL（所见即所得，后端用 overlay 直接叠加）
+      // 用 Canvas 预渲染标题为 PNG dataURL
       let titleImageDataUrl: string | null = null
       if (state.titleConfig.title?.trim()) {
         try {
@@ -242,7 +375,6 @@ const AiAvatarPage: React.FC = () => {
           pip_scale: seg.pip_scale,
         })) as never,
         title_config: buildTitleConfigPayload(state.titleConfig, titleImageDataUrl),
-        // 封面不阻塞渲染：用户未选定封面时传空 dict，后端不生成封面；渲染完成后再单独抽帧
         cover_config:
           state.coverConfig.smart_cover_url ||
           (state.coverConfig.upload_url && !state.coverConfig.upload_url.startsWith("blob:"))
@@ -250,7 +382,6 @@ const AiAvatarPage: React.FC = () => {
             : {},
       })
 
-      // 打开渲染进度弹窗，启动轮询
       setShowRenderModal(true)
       setRenderStatus("generating")
       setRenderProgress(job.progress ?? 0)
@@ -267,8 +398,6 @@ const AiAvatarPage: React.FC = () => {
             if (renderTimerRef.current) clearInterval(renderTimerRef.current)
             renderTimerRef.current = null
             setRenderStatus("completed")
-            // 渲染完成后：如果后端已返回封面（用户预上传/预设）则同步到前端；
-            // 否则不自动设置封面，由用户在封面区点击"智能获取封面"主动抽帧（步骤③④）
             if (updated.output_cover_url) {
               state.setCoverConfig((prev) => ({
                 ...prev,
@@ -309,7 +438,7 @@ const AiAvatarPage: React.FC = () => {
     setRenderErrorMessage("")
   }, [])
 
-  /* ── 智能封面：从最终渲染成片抽帧（POST /renders/{id}/smart-cover，步骤③④） ── */
+  /* ── 智能封面 ── */
   const handleGenerateRenderSmartCover = useCallback(
     async (renderId: string): Promise<{ cover_url: string; message?: string }> => {
       try {
@@ -334,7 +463,6 @@ const AiAvatarPage: React.FC = () => {
         return { cover_url: "", message: errMsg }
       }
     },
-    // state.setCoverConfig 是 zustand action 引用稳定，eslint 不需要检查
     // eslint-disable-next-line react-hooks/exhaustive-deps
     [],
   )
@@ -431,19 +559,33 @@ const AiAvatarPage: React.FC = () => {
                   onOpenScriptModal={() => state.setShowScriptModal(true)}
                 />
                 <div className="aa-step-btn-row">
-                  <button type="button" className="aa-btn aa-btn--primary" onClick={handleNextStep}>
-                    下一步 →
+                  <button
+                    type="button"
+                    className="aa-btn aa-btn--primary"
+                    onClick={handleGenerateTts}
+                    disabled={state.ttsPreview.status === "generating"}
+                  >
+                    {state.ttsPreview.status === "done" ? "🎵 重新生成配音" : "🎵 生成配音"}
                   </button>
+                  {state.ttsPreview.status === "done" && (
+                    <button
+                      type="button"
+                      className="aa-btn aa-btn--primary"
+                      onClick={() => setCurrentStep(2)}
+                      style={{ marginLeft: 12 }}
+                    >
+                      下一步 →
+                    </button>
+                  )}
                 </div>
               </div>
             </div>
           </>
         )}
 
-        {/* ════ 步骤 2：对口型预览（含插入画面）/ 标题配置 / 封面&生成 ════ */}
+        {/* ════ 步骤 2：对口型预览 / 标题配置 / 封面&生成 ════ */}
         {currentStep === 2 && (
           <>
-            {/* 面板：对口型预览 + 插入画面 */}
             <div className={`aa-panel aa-panel--s2-wide${collapsed.lipsync ? " collapsed" : ""}`}>
               <div className="aa-panel__header" onClick={() => togglePanel("lipsync")}>
                 <span className="aa-panel__title">对口型预览</span>
@@ -527,20 +669,144 @@ const AiAvatarPage: React.FC = () => {
         />
       )}
 
-      {/* B-roll 编辑器弹窗 */}
+      {/* B-roll 编辑器弹窗 — #1845：timings 在对口型完成前就可用（来自 TTS 预合成） */}
       {state.showBRollModal && (
         <ModalBRollEditor
           open={state.showBRollModal}
           onClose={() => state.setShowBRollModal(false)}
           existingSegments={state.bRollSegments}
           scriptText={state.lipsyncJob?.script_text || state.scriptText}
-          outputDuration={state.lipsyncJob?.output_duration ?? 0}
-          sentenceTimings={state.lipsyncJob?.sentence_timings}
+          outputDuration={bRollDuration}
+          sentenceTimings={bRollSentenceTimings}
           onConfirm={state.addBRollSegment}
           onRemove={state.removeBRollSegment}
         />
       )}
 
+      {/* #1845 TTS 预合成弹窗 */}
+      {showTtsModal && (
+        <div className="aa-modal-overlay">
+          <div className="aa-modal" onClick={(e) => e.stopPropagation()}>
+            <div className="aa-modal__header">
+              <span className="aa-modal__title">配音合成中</span>
+              {state.ttsPreview.status !== "generating" && (
+                <button className="aa-modal__close" onClick={handleCancelTts}>
+                  ✕
+                </button>
+              )}
+            </div>
+            <div
+              className="aa-modal__body"
+              style={{
+                display: "flex",
+                flexDirection: "column",
+                alignItems: "center",
+                padding: "40px 20px",
+              }}
+            >
+              {state.ttsPreview.status === "generating" && (
+                <>
+                  <div className="aa-lipsync-spinner" />
+                  <div style={{ marginTop: 20, fontSize: 15, color: "#1a1a2e" }}>
+                    正在合成配音，请稍候…
+                  </div>
+                  <div
+                    style={{
+                      marginTop: 20,
+                      fontSize: 32,
+                      fontWeight: 700,
+                      color: "#1890ff",
+                    }}
+                  >
+                    {ttsProgress}%
+                  </div>
+                  <div
+                    style={{
+                      marginTop: 12,
+                      width: "80%",
+                      height: 8,
+                      backgroundColor: "#f0f0f0",
+                      borderRadius: 4,
+                      overflow: "hidden",
+                    }}
+                  >
+                    <div
+                      style={{
+                        width: `${ttsProgress}%`,
+                        height: "100%",
+                        backgroundColor: "#1890ff",
+                        borderRadius: 4,
+                        transition: "width 0.3s ease",
+                      }}
+                    />
+                  </div>
+                  <div style={{ marginTop: 12, fontSize: 13, color: "#8c8ca1" }}>
+                    请勿关闭页面，完成后将自动提示
+                  </div>
+                </>
+              )}
+              {state.ttsPreview.status === "done" && (
+                <>
+                  <div style={{ fontSize: 48 }}>✅</div>
+                  <div style={{ marginTop: 16, fontSize: 15, color: "#1a1a2e" }}>
+                    配音合成完成，点击下一步继续
+                  </div>
+                  <div style={{ marginTop: 8, fontSize: 13, color: "#8c8ca1" }}>
+                    音频时长 {state.ttsPreview.duration.toFixed(1)}s，共{" "}
+                    {state.ttsPreview.sentenceTimings.length} 句
+                  </div>
+                </>
+              )}
+              {state.ttsPreview.status === "failed" && (
+                <>
+                  <div style={{ fontSize: 48 }}>❌</div>
+                  <div style={{ marginTop: 16, fontSize: 15, color: "#1a1a2e" }}>配音合成失败</div>
+                  {ttsErrorMessage && (
+                    <div
+                      style={{
+                        marginTop: 8,
+                        fontSize: 13,
+                        color: "#ff4d4f",
+                        textAlign: "center",
+                        padding: "0 20px",
+                      }}
+                    >
+                      {ttsErrorMessage}
+                    </div>
+                  )}
+                </>
+              )}
+            </div>
+            <div className="aa-modal__footer">
+              {state.ttsPreview.status === "generating" && (
+                <button className="aa-btn aa-btn--danger" onClick={handleCancelTts}>
+                  取消
+                </button>
+              )}
+              {state.ttsPreview.status === "done" && (
+                <button className="aa-btn aa-btn--primary" onClick={handleTtsNext}>
+                  下一步 →
+                </button>
+              )}
+              {state.ttsPreview.status === "failed" && (
+                <>
+                  <button className="aa-btn" onClick={handleCancelTts}>
+                    关闭
+                  </button>
+                  <button
+                    className="aa-btn aa-btn--primary"
+                    onClick={handleRetryTts}
+                    style={{ marginLeft: 12 }}
+                  >
+                    重试
+                  </button>
+                </>
+              )}
+            </div>
+          </div>
+        </div>
+      )}
+
       {/* 对口型生成弹窗 */}
       {showLipsyncModal && (
         <div className="aa-modal-overlay">

apps/web/src/pages/ai-avatar/api/aiAvatar.ts

@@ -2,7 +2,7 @@
  * AI数字人 — API 封装（#1822 契约对齐）
  */
 import apiClient from "@/api/client"
-import type { Script, LipsyncJob, RenderJob, BRollSegment } from "../types"
+import type { Script, LipsyncJob, RenderJob, BRollSegment, SentenceTiming } from "../types"
 
 /* ── 文案库 ── */
 export const getScripts = async (): Promise<Script[]> => {
@@ -34,17 +34,28 @@ export const getAssetById = async (id: string): Promise<{ file_url?: string; id:
   return response.data
 }
 
-/* ── 对口型（模式A：TTS 直生，后端内部合成音频；不要先调 TTS 拿 audio_url） ── */
+/* ── 对口型（支持三种模式） ──
+ * 1. TTS 直生（降级/旧版）：传 voice_id + script_text（+speed/emotion），后端 Celery 异步合成
+ * 2. 直接音频：传 video_url + audio_url，后端同步下载+算timings+提交MediaKit
+ * 3. 预合成音频（#1845 新主路径）：先调 previewTts 拿 audio_url+sentence_timings，
+ *    再把 audio_url + audio_duration + sentence_timings 一起传过来，后端直接提交 MediaKit
+ */
 export const createLipsyncJob = async (data: {
-  /** 人物视频 URL（MP4）；由素材 id 经 getAssetById 拿 file_url，禁止传 video_asset_id */
+  /** 人物视频 URL（MP4）；由素材 id 经 getAssetById 拿 file_url */
   video_url: string
-  /** 音色 ID（预置音色 或 克隆音色 profile UUID，后端会解析） */
-  voice_id: string
-  /** 要合成的文案（手动输入或文案库内容） */
-  script_text: string
-  /** 语速 0.5~2.0，默认 1.0 */
+  /** 预合成/直接音频模式：音频 URL（#1845 步骤1 预合成的 CosyVoice 临时 URL，或外部音频 URL） */
+  audio_url?: string
+  /** 预合成音频时长（秒），由 previewTts 返回 */
+  audio_duration?: number
+  /** 预合成接口返回的句子时间戳（精确），后端直接写入 job */
+  sentence_timings?: SentenceTiming[]
+  /** 音色 ID（TTS 直生模式用） */
+  voice_id?: string
+  /** 要合成的文案（TTS 直生模式用） */
+  script_text?: string
+  /** 语速 0.5~2.0，默认 1.0（TTS 直生模式用） */
   speed?: number
-  /** 情绪英文枚举：natural/excited/calm/friendly */
+  /** 情绪英文枚举：natural/excited/calm/friendly（TTS 直生模式用） */
   emotion?: string
   enable_video_loop?: boolean
   project_id?: string
@@ -53,6 +64,25 @@ export const createLipsyncJob = async (data: {
   return response.data
 }
 
+/* ── #1845 TTS 预合成（步骤1「生成配音」同步接口，~2-3s） ── */
+export const previewTts = async (data: {
+  voice_id: string
+  script_text: string
+  speed?: number
+  emotion?: string
+}): Promise<{
+  audio_url: string
+  duration: number
+  sentence_timings: SentenceTiming[]
+}> => {
+  const response = await apiClient.post<{
+    audio_url: string
+    duration: number
+    sentence_timings: SentenceTiming[]
+  }>("/lipsync/tts-preview", data, { timeout: 30000 })
+  return response.data
+}
+
 export const getLipsyncJob = async (id: string): Promise<LipsyncJob> => {
   const response = await apiClient.get<LipsyncJob>(`/lipsync/jobs/${id}`, { timeout: 60000 })
   return response.data

apps/web/src/pages/ai-avatar/hooks/useAiAvatar.ts

@@ -1,5 +1,5 @@
 /**
- * AI数字人 — 页面全局状态管理 hook（v3）
+ * AI数字人 — 页面全局状态管理 hook（v3 + #1845 配音前置）
  */
 import { useState, useCallback } from "react"
 import type { AssetItem } from "@/api/assets"
@@ -13,10 +13,19 @@ import {
   type BRollSegment,
   type AiAvatarTitleConfig,
   type AiAvatarCoverConfig,
+  type TtsPreviewResult,
   DEFAULT_TITLE_CONFIG,
   DEFAULT_COVER_CONFIG,
 } from "../types"
 
+const DEFAULT_TTS_PREVIEW: TtsPreviewResult = {
+  audioUrl: null,
+  duration: 0,
+  sentenceTimings: [],
+  status: "idle",
+  error: null,
+}
+
 export function useAiAvatar() {
   /* ── 面板1：出镜视频 ── */
   const [selectedVideo, setSelectedVideo] = useState<AssetItem | null>(null)
@@ -36,6 +45,9 @@ export function useAiAvatar() {
   const [showScriptModal, setShowScriptModal] = useState(false)
   const [showBRollModal, setShowBRollModal] = useState(false)
 
+  /* ── #1845 TTS 预合成（步骤1「生成配音」） ── */
+  const [ttsPreview, setTtsPreview] = useState<TtsPreviewResult>(DEFAULT_TTS_PREVIEW)
+
   /* ── 面板3.5：B-roll ── */
   const [bRollSegments, setBRollSegments] = useState<BRollSegment[]>([])
 
@@ -81,6 +93,7 @@ export function useAiAvatar() {
     setScript(null)
     setScriptText("")
     setLipsyncJob(null)
+    setTtsPreview(DEFAULT_TTS_PREVIEW)
     setBRollSegments([])
     setTitleConfig(DEFAULT_TITLE_CONFIG)
     setCoverConfig(DEFAULT_COVER_CONFIG)
@@ -118,6 +131,10 @@ export function useAiAvatar() {
     showBRollModal,
     setShowBRollModal,
     selectScript,
+    // #1845 TTS 预合成
+    ttsPreview,
+    setTtsPreview,
+    resetTtsPreview: useCallback(() => setTtsPreview(DEFAULT_TTS_PREVIEW), []),
     // B-roll
     bRollSegments,
     addBRollSegment,

apps/web/src/pages/ai-avatar/types.ts

@@ -28,6 +28,17 @@ export const VOICE_LANGUAGE_OPTIONS: { value: VoiceLanguage; label: string }[] =
 /* ── 对口型任务状态 ── */
 export type LipsyncStatus = "idle" | "pending" | "processing" | "completed" | "failed"
 
+/* ── TTS 预合成（#1845 配音前置：步骤1「生成配音」状态） ── */
+export type TtsPreviewStatus = "idle" | "generating" | "done" | "failed"
+
+export interface TtsPreviewResult {
+  audioUrl: string | null
+  duration: number
+  sentenceTimings: SentenceTiming[]
+  status: TtsPreviewStatus
+  error: string | null
+}
+
 /* ── 文案 ── */
 export interface Script {
   id: string

packages/domain/sentence_timings.py

@@ -0,0 +1,205 @@
+"""共享的句子时间戳计算工具 — 供 Celery TTS 任务和 /lipsync/tts-preview 同步接口复用.
+
+- `_split_script_into_sentences`: 按标点分句（中英文逗号/句号/问号/感叹号/分号/换行）
+- `_estimate_sentence_timings_by_chars`: 按字数比例估算（静音检测失败时降级）
+- `_probe_audio_duration`: ffprobe 读取音频时长
+- `compute_sentence_timings`: 基于 ffmpeg silencedetect 精确计算每句起止时间
+"""
+
+from __future__ import annotations
+
+import logging
+import os
+import re
+import subprocess
+import tempfile
+from typing import Optional
+
+logger = logging.getLogger(__name__)
+
+
+def split_script_into_sentences(script_text: str) -> list[str]:
+    """按句号/问号/感叹号/分号/逗号/换行分句（与前端 SENTENCE_SPLIT_RE 一致）.
+
+    中文短视频文案习惯用「，」断小句（如"卖花的叫花无缺，卖姜的叫姜子牙"），
+    必须把逗号也纳入分隔符，否则多句文案会被识别成一整句，导致 B-roll 时间戳错位。
+    """
+    text = (script_text or "").strip()
+    if not text:
+        return []
+    parts = re.split(r"[。！？!?？！;；,，\n\r]+", text)
+    return [p.strip() for p in parts if p.strip()]
+
+
+def estimate_sentence_timings_by_chars(sentences: list[str], total_duration: float) -> list[dict]:
+    """降级方案：按字数比例估算句子时间（与原前端逻辑一致）."""
+    if not sentences or total_duration <= 0:
+        return []
+    total_chars = sum(len(s.replace(r"\s", "")) for s in sentences)
+    if total_chars == 0:
+        return []
+
+    timings = []
+    acc = 0
+    for i, sent in enumerate(sentences):
+        chars = len(sent.replace(r"\s", ""))
+        start = (acc / total_chars) * total_duration
+        end = ((acc + chars) / total_chars) * total_duration
+        timings.append(
+            {
+                "index": i,
+                "text": sent,
+                "start_time": round(start, 2),
+                "end_time": round(end, 2),
+            }
+        )
+        acc += chars
+    return timings
+
+
+def probe_audio_duration(audio_data: bytes, timeout: int = 10) -> float:
+    """用 ffprobe 读取音频字节流的时长（秒）.
+
+    Returns:
+        时长（秒），失败返回 0.0
+    """
+    if not audio_data:
+        return 0.0
+    tmp_path: Optional[str] = None
+    try:
+        with tempfile.NamedTemporaryFile(suffix=".mp3", delete=False) as tmp:
+            tmp.write(audio_data)
+            tmp_path = tmp.name
+        result = subprocess.run(
+            [
+                "ffprobe",
+                "-v",
+                "error",
+                "-show_entries",
+                "format=duration",
+                "-of",
+                "default=noprint_wrappers=1:nokey=1",
+                tmp_path,
+            ],
+            capture_output=True,
+            text=True,
+            timeout=timeout,
+        )
+        stdout = (result.stdout or "").strip()
+        if not stdout:
+            logger.warning("[sentence_timings] ffprobe 无输出: stderr=%s", (result.stderr or "")[:200])
+            return 0.0
+        return float(stdout)
+    except Exception as exc:
+        logger.warning("[sentence_timings] ffprobe 时长探测失败: %s", exc)
+        return 0.0
+    finally:
+        if tmp_path:
+            try:
+                os.unlink(tmp_path)
+            except Exception:
+                pass
+
+
+def compute_sentence_timings(audio_data: bytes, script_text: str, total_duration: float) -> list[dict]:
+    """基于 TTS 音频的静音检测，精确计算每句文案的起止时间.
+
+    使用 ffmpeg silencedetect 检测静音段，将静音点与句子边界对齐。
+    比字数比例估算准确得多。
+
+    Args:
+        audio_data: TTS 音频二进制数据（MP3）
+        script_text: 文案全文
+        total_duration: 音频总时长（秒）
+
+    Returns:
+        list[{"index": int, "text": str, "start_time": float, "end_time": float}]
+    """
+    sentences = split_script_into_sentences(script_text)
+    if not sentences:
+        return []
+
+    tmp_path: Optional[str] = None
+    try:
+        with tempfile.NamedTemporaryFile(suffix=".mp3", delete=False) as tmp:
+            tmp.write(audio_data)
+            tmp_path = tmp.name
+
+        result = subprocess.run(
+            [
+                "ffmpeg",
+                "-i",
+                tmp_path,
+                "-af",
+                "silencedetect=noise=-25dB:d=0.3",
+                "-f",
+                "null",
+                "-",
+            ],
+            capture_output=True,
+            text=True,
+            timeout=30,
+        )
+        stderr = result.stderr or ""
+
+        silence_ends = []
+        for match in re.finditer(r"silence_end:\s*([\d.]+)", stderr):
+            t = float(match.group(1))
+            if 0 < t < total_duration:
+                silence_ends.append(t)
+
+        if len(silence_ends) < len(sentences) - 1:
+            logger.warning(
+                "[sentence_timings] 静音点不足(%d < %d)，降级为字数比例估算",
+                len(silence_ends),
+                len(sentences) - 1,
+            )
+            return estimate_sentence_timings_by_chars(sentences, total_duration)
+
+        n_boundaries = len(sentences) - 1
+        boundaries = []
+        used_indices = set()
+
+        for i in range(n_boundaries):
+            expected_pos = (i + 1) / len(sentences) * total_duration
+            best_idx = None
+            best_dist = float("inf")
+            for j, t in enumerate(silence_ends):
+                if j in used_indices:
+                    continue
+                dist = abs(t - expected_pos)
+                if dist < best_dist:
+                    best_dist = dist
+                    best_idx = j
+            if best_idx is not None:
+                used_indices.add(best_idx)
+                boundaries.append(silence_ends[best_idx])
+
+        boundaries.sort()
+
+        timings = []
+        prev_end = 0.0
+        for i, sent in enumerate(sentences):
+            start = prev_end
+            end = boundaries[i] if i < len(boundaries) else total_duration
+            timings.append(
+                {
+                    "index": i,
+                    "text": sent,
+                    "start_time": round(start, 2),
+                    "end_time": round(end, 2),
+                }
+            )
+            prev_end = end
+
+        return timings
+
+    except Exception as exc:
+        logger.warning("[sentence_timings] 静音检测异常，降级为字数比例估算: %s", exc)
+        return estimate_sentence_timings_by_chars(sentences, total_duration)
+    finally:
+        if tmp_path:
+            try:
+                os.unlink(tmp_path)
+            except Exception:
+                pass

tests/unit/test_lipsync_tts_preview.py

@@ -0,0 +1,169 @@
+"""AI 数字人 对口型 TTS 预合成接口（#1845）单元测试 — 覆盖 LipsyncService.preview_tts 成功/失败路径.
+
+直接调用 LipsyncService.preview_tts()，mock CosyVoiceService / safe_download_bytes / ffprobe，
+验证返回结构、错误码、与共享 sentence_timings 工具的协作。
+"""
+
+import os
+from unittest.mock import MagicMock, patch
+
+import pytest
+
+os.environ.setdefault("JWT_SECRET_KEY", "dev-secret-key-for-testing")
+
+
+def _make_service(
+    *,
+    cosyvoice=None,
+    download_bytes=b"FAKE_MP3_DATA",
+    download_error=None,
+    ffprobe_duration=5.0,
+    timings_result=None,
+):
+    """构造 LipsyncService 并把 CosyVoiceService/safe_download_bytes/probe/compute 全部 mock 掉。"""
+    from app.services.lipsync_service import LipsyncService
+
+    db = MagicMock()
+
+    # 构造唯一的 cosyvoice mock 实例，便于断言
+    _cosy_inst = MagicMock()
+    if cosyvoice is None:
+        _cosy_inst.submit_synthesize_task.return_value = {"audio_url": "https://cosy.example.com/tts.mp3"}
+    elif isinstance(cosyvoice, Exception):
+        _cosy_inst.submit_synthesize_task.side_effect = cosyvoice
+    else:
+        _cosy_inst.submit_synthesize_task.return_value = cosyvoice
+
+    def _fake_get_cosyvoice(self):  # noqa: ARG001
+        return _cosy_inst
+
+    def _fake_resolve_voice_id(self, voice_id, user_id):  # noqa: ARG001
+        return voice_id
+
+    svc = LipsyncService(db=db, client=MagicMock(), voice_clone_repo=MagicMock())
+    svc._cosyvoice = _cosy_inst
+    patch.object(LipsyncService, "_get_cosyvoice", _fake_get_cosyvoice).start()
+    patch.object(LipsyncService, "_resolve_voice_id", _fake_resolve_voice_id).start()
+
+    # mock safe_download_bytes
+    if download_error is not None:
+        patch(
+            "app.services.lipsync_service.safe_download_bytes",
+            side_effect=download_error,
+        ).start()
+    else:
+        patch(
+            "app.services.lipsync_service.safe_download_bytes",
+            return_value=download_bytes,
+        ).start()
+
+    # mock probe_audio_duration（patch 到 lipsync_service 模块的命名空间）
+    patch(
+        "app.services.lipsync_service.probe_audio_duration",
+        return_value=ffprobe_duration,
+    ).start()
+
+    # mock compute_sentence_timings
+    default_timings = [
+        {"index": 0, "text": "你好", "start_time": 0.0, "end_time": 1.5},
+        {"index": 1, "text": "世界", "start_time": 1.5, "end_time": 5.0},
+    ]
+    patch(
+        "app.services.lipsync_service.compute_sentence_timings",
+        return_value=timings_result if timings_result is not None else default_timings,
+    ).start()
+
+    svc.__dict__["_test_cosy"] = _cosy_inst
+    return svc
+
+
+def test_preview_tts_success():
+    """正常路径：TTS 合成成功 → 下载 → ffprobe → 计算 timings，返回完整结构。"""
+    svc = _make_service(ffprobe_duration=5.0)
+    try:
+        result = svc.preview_tts(
+            user_id="user-1",
+            voice_id="longxiaochun",
+            script_text="你好，世界",
+            speed=1.0,
+            emotion="natural",
+        )
+        assert result["audio_url"] == "https://cosy.example.com/tts.mp3"
+        assert result["duration"] == 5.0
+        assert isinstance(result["sentence_timings"], list)
+        assert len(result["sentence_timings"]) == 2
+        assert result["sentence_timings"][0]["text"] == "你好"
+        cosy = svc.__dict__["_test_cosy"]
+        cosy.submit_synthesize_task.assert_called_once()
+        kwargs = cosy.submit_synthesize_task.call_args.kwargs
+        assert kwargs["text"] == "你好，世界"
+        assert kwargs["voice_id"] == "longxiaochun"
+    finally:
+        patch.stopall()
+
+
+def test_preview_tts_cosyvoice_error():
+    """CosyVoice 抛错：应该包装成 MediaKitError 抛出。"""
+    from app.services.mediakit_client import MediaKitError
+
+    from packages.application.cosyvoice_service import CosyVoiceError
+
+    svc = _make_service(cosyvoice=CosyVoiceError("cosyvoice down"))
+    try:
+        with pytest.raises(MediaKitError):
+            svc.preview_tts(
+                user_id="user-1",
+                voice_id="longxiaochun",
+                script_text="你好",
+            )
+    finally:
+        patch.stopall()
+
+
+def test_preview_tts_download_fail_still_returns_url():
+    """音频下载失败：不抛错，返回 audio_url + 空 timings，前端仍能继续（降级）。"""
+    svc = _make_service(download_error=RuntimeError("network down"))
+    try:
+        result = svc.preview_tts(
+            user_id="user-1",
+            voice_id="longxiaochun",
+            script_text="你好，世界",
+        )
+        assert result["audio_url"] == "https://cosy.example.com/tts.mp3"
+        assert result["duration"] == 0.0
+        assert result["sentence_timings"] == []
+    finally:
+        patch.stopall()
+
+
+def test_preview_tts_ffprobe_zero_duration():
+    """ffprobe 返回 0：timings 为空，不抛错。"""
+    svc = _make_service(ffprobe_duration=0.0)
+    try:
+        result = svc.preview_tts(
+            user_id="user-1",
+            voice_id="longxiaochun",
+            script_text="你好",
+        )
+        assert result["audio_url"]
+        assert result["duration"] == 0.0
+        assert result["sentence_timings"] == []
+    finally:
+        patch.stopall()
+
+
+def test_preview_tts_no_audio_url_in_response():
+    """CosyVoice 返回无 audio_url：抛 MediaKitError TTSNoAudio。"""
+    from app.services.mediakit_client import MediaKitError
+
+    svc = _make_service(cosyvoice={"audio_url": ""})
+    try:
+        with pytest.raises(MediaKitError) as exc_info:
+            svc.preview_tts(
+                user_id="user-1",
+                voice_id="longxiaochun",
+                script_text="你好",
+            )
+        assert exc_info.value.code == "TTSNoAudio"
+    finally:
+        patch.stopall()

tests/unit/test_sentence_timings.py

@@ -1,4 +1,4 @@
-"""Tests for sentence timing functions in lipsync_tts."""
+"""Tests for sentence timing functions (now in packages/domain/sentence_timings.py)."""
 
 import os
 import subprocess
@@ -6,11 +6,9 @@ import tempfile
 import unittest
 from unittest.mock import MagicMock, patch
 
-from apps.api.app.tasks.lipsync_tts import (
-    _compute_sentence_timings,
-    _estimate_sentence_timings_by_chars,
-    _split_script_into_sentences,
-)
+from packages.domain.sentence_timings import compute_sentence_timings as _compute_sentence_timings
+from packages.domain.sentence_timings import estimate_sentence_timings_by_chars as _estimate_sentence_timings_by_chars
+from packages.domain.sentence_timings import split_script_into_sentences as _split_script_into_sentences
 
 
 class TestSplitScriptIntoSentences(unittest.TestCase):